一种用于扩展ASM2d的复合灵敏度与自动校准框架:在AAMO工艺中的SMP/EPS动力学及HRT优化中的应用

《Journal of Water Process Engineering》:A composite sensitivity and auto-calibration framework for extended ASM2d: Application to SMP/EPS dynamics and HRT optimization in AAMO processes

【字体: 大 中 小 】 时间:2026年07月10日 来源:Journal of Water Process Engineering 6.6

编辑推荐:

  Xinhui Zhang|Long Tang|Junwu Ma|Jun Nan|Bohan Liu|Zhiqin Li•S-ASM2d将SMP/EPS动力学纳入ASM2d,用于AAMO工艺模拟。•EIG复合灵敏度分析可通过10%的扰动实现有效的参数筛选。•MS-HINGE与BOX

  
Xinhui Zhang|Long Tang|Junwu Ma|Jun Nan|Bohan Liu|Zhiqin Li
  • •
    S-ASM2d将SMP/EPS动力学纳入ASM2d,用于AAMO工艺模拟。
  • •
    EIG复合灵敏度分析可通过10%的扰动实现有效的参数筛选。
  • •
    MS-HINGE与BOXQP X-TRACK可实现自动校准,并保证多输出结果的一致性。
  • •
    模型验证表明,当反应时间定为10小时时,关键出水参数的ARD值可控制在3.22%以内,为最佳值。

引言

在水资源日益短缺和环境污染问题日益严重的背景下,废水处理中水资源的回收与再利用具有重要意义[1]、[2]、[3]、[4]。然而,现有的废水处理厂仍面临诸多挑战,如处理效率有限、能耗高以及运行稳定性差等问题。为提升系统运行效率与可持续性,人们一直在努力改进处理工艺并优化运营策略[5]。同时,各种分析工具和仿真模型也被开发出来,用以辅助工艺优化并预测污染物去除效果[6]、[7]。这些方法对于提高处理效率、减少污染物排放、保护水资源及生态系统具有重要作用[8]、[9]。自国际水协提出活性污泥模型(ASM)以来,该模型便成为描述废水处理系统中生物过程的一种常用框架[10]、[11]、[12]、[13]、[14]。
但在实际应用中,一些现象无法通过传统的ASM框架完全解释。例如,在实验室条件下,即便所有进水中的有机底物都可生物降解,出水里仍可能检测到残留的COD[15]、[16]。这表明标准ASM模型未能充分体现某些生化过程。尤其是微生物代谢过程中产生的可溶性微生物产物(SMP)和胞外聚合物(EPS),已被证实会导致出水中有残留有机物[17]、[18]、[19]。这些物质会影响底物利用效率、污泥特性以及整个系统的运行性能。因此,若要更真实地描述废水处理系统,就必须将SMP和EPS纳入模型中[20]、[21]。
为更好地描述这些过程,不少研究通过引入SMP和EPS的动力学机制来扩展ASM框架。Laspidou和Rittmann[22]提出了一个将EPS和SMP与活性生物量及惰性生物量相结合的统一理论。后续研究进一步发展了基于ASM的模型,用以描述这些物质的生成与转化过程。例如,Xing等人[23]提出了一个明确考虑EPS产生与降解过程的ASM模型。Singh等人[24]则基于ASM1开发出了一个能够体现SMP和EPS形成与消耗过程的模型,其预测性能更为优异。Mohan等人[25]则将计算流体力学(CFD)与ASM1以及EPS–SMP子模型相结合,用于模拟不同尺度下的生物反应器运行情况。
尽管这些进展提升了模型的性能,但在应用于复杂的生物营养物去除系统时,仍存在一些局限。尤其是,现有模型大多无法完整呈现SMP和EPS在厌氧、缺氧及好氧条件共存时的行为特征。此外,这类模型也尚未在此类工况下经过系统性的验证。同时,引入SMP和EPS还会显著增加模型的复杂性,更多的状态变量和动力学路径会导致参数间的相互作用更加复杂,非线性特征也更为明显。因此,模型的性能会对进水条件的变化以及运行参数的调整变得更加敏感。
在这种情况下,传统的手工校准方法已难以适用。参数调优往往耗时且具有主观性,而且很难确保多个模型输出结果的一致性。为提高校准效率与模型稳定性,近年来自动化校准方法越来越受到重视。将机器学习与优化算法融入废水处理模型中,已被证明能有效提升校准性能与结果的可重复性[26]、[27]。此外,针对活性污泥模型,人们还探索了基于优化的多种方法,如多目标校准和高级搜索策略[28]。不过,现有的方法仍缺乏一套系统性的框架。理想的框架应能将灵敏度分析与自动校准相结合,并在满足物理约束的前提下确保多个输出结果的一致性。
在此背景下,基于ASM2d的建模工作仍面临若干关键挑战。由于各变量之间存在强烈的耦合关系,参数的可辨识性往往较差。如果不能充分利用灵敏度信息,参数选择的工作效率也会很低。那些包含SMP和EPS的模型扩展版本,也与校准策略的整合程度不够,尤其是在水力停留时间等运行条件发生变化时。
为解决这些问题,本研究提出了一种基于扩展ASM2d模型的集成建模与校准框架,该框架纳入了SMP和EPS的动力学机制。研究引入了一种名为“弹性综合梯度”(EIG)的复合灵敏度指标,用于以统一的方式识别出对模型有重要影响的参数。在此基础上,研究还开发了一套多阶段的校准流程,包括恒定修正、连续潜因子调整(MS-CONT)、基于非线性铰链的修正(MS-HINGE)以及盒约束多输出优化(BOXQP X-TRACK)。该框架能够在共享的约束条件下确定参数调整方案,从而确保在不违反物理规律的前提下同时优化多个输出参数。
所提出的方法不仅提升了参数估算的稳定性与可解释性,还保持了模型拟合的灵活性。该扩展模型被应用于厌氧-缺氧-微好氧-好氧(AAMO)系统,用于分析水力停留时间对SMP和EPS动态的影响。实验结果表明,该模型的预测性能得到了提升,同时也为工艺优化提供了参考。这一框架为复杂废水处理系统中的模型校准提供了一种实用且系统化的方法。

章节要点

实验装置与运行方式

本研究使用的AAMO实验装置如图1所示。反应器由有机玻璃制成,长度为0.96米,高度为0.35米,宽度为0.33米。反应器共分为六个区域:一个厌氧区(15.8升)、一个缺氧区(15.8升)、一个微好氧区(15.8升),以及三个好氧区(每个47.4升)。微好氧区的溶解氧浓度可在0.2至0.5毫克/升之间调节,而三个好氧区的溶解氧浓度则在3毫克/升至4毫克/升之间。反应过程

灵敏度分析与模型校准

经过灵敏度分析后,S-ASM2d模型中各动力学参数与化学计量系数对出水COD、SNH、TN、SPO、XEPS以及SSMP的影响程度如图4所示。
(d) SPO;(e) XEPS;(f) SSMP。
如图4所示,六个主要输出指标(COD、SNH、TN、SPO、XEPS、SSMP)均没有受到这些参数的显著影响(所有参数的EIG值均小于或等于0.02)。在灵敏度分析结果中,还有大量参数会对模型输出产生一定影响(0.02 < EIG ≤ 0.1),或者影响程度较大

结论

本研究构建了一个纳入SMP和EPS动力学机制的S-ASM2d模型,并通过所提出的基于EIG的灵敏度分析方法以及自动化的多阶段校准框架对该模型进行了校准。经校准后的模型能够准确模拟不同水力停留时间条件下AAMO系统中的营养物去除过程及生物聚合物的动态变化,所有出水参数的平均相对偏差均低于3.22%。
所设计的多阶段校准框架——结合了恒定修正、MS-CONT以及MS-HINGE三种校准方法——展现了出色的性能

CRediT作者贡献说明

Xinhui Zhang:负责文章的撰写——审稿与编辑、方法设计、资金申请以及数据整理工作。Long Tang:负责文章的初稿撰写以及软件相关工作。Junwu Ma:负责模型验证与相关研究工作。Jun Nan:负责项目监督以及资金申请工作。Bohan Liu:负责项目管理以及资金申请工作。Zhiqin Li:负责提供相关资源支持。

利益冲突声明

所有作者声明,他们不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。

致谢

本研究得到了以下机构的支持:中国国家自然科学基金(项目编号:52400024);西安华大学科拔尖人才引进计划(项目编号:RX2400002018);中国国家博士后创新人才支持计划(项目编号:BX20230480);哈尔滨工业大学城乡水资源与环境国家重点实验室开放课题(项目编号:QA202431),以及中国国家重点研发计划(项目编号:2022YFC3203402)。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号